下列说法错误的是______。

A.Python列表中的元素必须使用相同的数据类型

B.TensorFlow张量可以运行于GPU和TPU上

C.Python列表不适合用来做多维数组数值计算

D.NumPy数组不支持GPU运算

A.NumPy是一个专门用来处理多维数组的科学计算库

B.NumPy的效率和性能优于Python中的列表和元组

C.NumPy的底层运算通过C语言实现

D.Numpy中的数组和矩阵运算，都需要使用循环来实现

A.NumPy是一个专门用来处理多维数组的科学计算库

B.NumPy的效率和性能优于Python中的列表和元组

C.NumPy的底层运算通过C语言实现

D.Numpy中的数组和矩阵运算，都需要使用循环来实现

A.Numpy数组中的元素必须使用相同的数据类型

B.TensorFlow张量可以高速运行于GPU和TPU之上

C.Python列表非常适合用来做数值计算

D.Numpy数组存储在一个连续的内存区域中

A.a是NumPy数组，b,c,d,e都是TensorFlow张量

B.b是TensorFlow张量，其他都是NumPy数组

C.a,b,c,d,e中有3个NumPy数组

D.a,b,c,d,e中有3个TensorFlow张量

A.a是NumPy数组，b,c,d,e都是TensorFlow张量

B.b是TensorFlow张量，其他都是NumPy数组

C.a,b,c,d,e中有3个NumPy数组

D.a,b,c,d,e中有3个TensorFlow张量

A.x = [1, 3, 5, 7, 9] # x是Python列表

B.x = np.array([1, 3, 5, 7, 9] ) # x是NumPy数组

C.x = tf.constant(np.array([1, 3, 5, 7, 9])) # x是NumPy数组

D.x = tf.constant([1, 3, 5, 7, 9]) # x是TensorFlow张量

A.HashMap是Map接口的实现类

B.ArrayList对象是长度可变的对象引用数组

C.集合框架都包含三大块内容：对外的接口、接口的实现和对集合运算的算法

D.有序的对象

A.指针指向数组元素时，指针算术运算才有意义

B.两个指针指向同一个数组时，指针相减才有意义

C.指针的算术运算允许通过对指针变量重复自增来访问数组的元素

D.p++就是将指针变量p加上一个字节

A.一个数组能够存储许多不同类型的值

B.数组的下标可以是float数据类型

C.如果初始化值列表中的个数少于数组的元素的个数,C编译器会自动补齐

D.初始化值列表中的值的个数多于数组元素的个数是错误的

A.它是跨平台命令行工具，用于转换和优化模型

B.支持流行的框架，例如Caffe、TensorFlow、MXNet、Kaldi 和ONNX等

C.基于统一API，对多硬件类型进行高性能推断

D.对Intel的CPU型号没有要求